Geometryczna interpretacja i własności jednopunktowej oraz globalnej charakterystyki dokładności poziomych sieci geodezyjnych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Geometryczna interpretacja i własności jednopunktowej oraz globalnej charakterystyki dokładności poziomych sieci geodezyjnych"

Transkrypt

1 ZN AR, XIV, 324. Geodezja i Urządzenia Rolne, Wrocław, 1997 Stanisław Latoś Edward Preweda Katedra Informacji o Terenie Wydział Geodezji Górniczej i Inżynierii Środowiska AGH Kraków Geometryczna interpretacja i własności jednopunktowej oraz globalnej charakterystyki dokładności poziomych sieci geodezyjnych Dla różnych celów, przy rozważaniach zarówno teoretycznych jak i praktycznych, na różnych etapach projektowania i zakładania osnów geodezyjnych, niezbędna jest znajomość charakterystyki dokładnościowej i technologii realizacji projektowanej konstrukcji geometrycznej. Powszechnie wyznacznikiem decydującym o przydatności i możliwości zastosowania określonej konstrukcji i technologii realizacji poziomych osnów geodezyjnych jest możliwa do osiągnięcia dokładność realizacji tych osnów. Dlatego też wybór optymalnej konstrukcji i technologii zakładania osnów powinien być zawsze dokonany na podstawie analizy parametrów wybranych charakterystyk dokładnościowych, z uwzględnieniem możliwości jakie stwarza nowoczesny sprzęt pomiarowo-obliczeniowy. W efekcie finalnym nie bez znaczenia są również efekty ekonomiczne realizacji całego przedsięwzięcia oraz przydatność, łatwość i prostota korzystania z nich w praktyce. Na etapie projektowania osnów geodezyjnych oraz przy ocenie dokładności istniejących sieci korzysta się z różnych parametrów dokładnościowych. W pracy przeprowadzono rozważania na temat parametrów oceny dokładności poziomych osnów geodezyjnych, zwracając również uwagę na niektóre uwarunkowania numeryczne oraz potrzebę estymacji przedziałowej wyznaczanych parametrów. Dla oceny dokładności sieci geodezyjnych obecnie podaje się charakterystyki jedno oraz dwu lub trzypunktowe. W praktyce, najczęściej korzysta się z charakterystyki jednopunktowej w postaci wartości: błędów średnich m, m współrzędnych x, y poszczególnych punktów sieci, x y błędu wyznaczenia położenia poszczególnych punktów m = m + m 2 2 p x y, parametrów elips błędu średniego A, B i ϕ. Ostatnio proponuje się [3] dokonywać oceny dokładności za pomocą: wielkości promienia koła błędów wyznaczenia poszczególnych punktów sieci, wielkości promienia hiperkuli błędów. Czasem, szczególnie dla osnów wyższych klas, podaje się ich charakterystyki dwu lub trzypunktowe, za pomocą wartości parametrów elips błędu: względnego, określającego dokładność względnego wyznaczenia dwóch rozpatrywanych punktów, czyli długości i kierunku, a więc skali i orientacji sieci, Praca powstała w wyniku realizacji projektu badawczego nr 9 T12E finansowanego przez KBN

2 średniego, określającego dokładność wzajemnego położenia wierzchołka rozpatrywanego kąta w stosunku do punktów wyznaczających jego lewe i prawe ramię, czyli kształtu sieci - przy analizie błędów wzajemnego położenia trzech wybranych punktów sieci. Każda z wymienionych charakterystyk dokładnościowych posiada określone własności. W praktyce użytkownika sieci geodezyjnych najczęściej interesują parametry charakteryzujące dokładność wzajemnego położenia niewielkiej grupy punktów wzajemnie bliskich, tworzących określony fragment sieci, z których korzysta się przy nawiązywaniu osnów niższych klas czy rzędów, niezbędnych do prowadzenia pomiarów szczegółowych. Pewnej informacji w takim zakresie dostarczają parametry charakterystyki dwu lub trzypunktowej. Niektóre parametry charakterystyki jednopunktowej, głównie wartości błędów mx i my, są niepełne, a nawet mylące jeśli nie są uzupełnione informacją o ustaleniu układu współrzędnych. Nie uwzględniają one również zależności korelacyjnych pomiędzy współrzędnymi punktów sąsiadujących, co powoduje, że wartości wspomnianych charakterystyk wyznacza się często ze stosunkowo małą precyzją. Wspomniane powyżej parametry są jednak najprostszymi charakterystykami dokładności sieci określanymi powszechnie przy uzgadnianiu wyników obserwacji sieci geodezyjnych. Należy również podkreślić, że są one zgodne z dotychczasowymi normami i przyzwyczajeniami oraz, że pozwalają w prosty sposób na usystematyzowanie i klasyfikację poszczególnych punktów i całych sieci z nich utworzonych. Biorąc pod uwagę wady i zalety przedstawionej powyżej najprostszej jednopunktowej charakterystyki dokładnościowej sieci, zaproponowano do ich oceny stosować parametr który w znacznym stopniu ograniczy wspomniane powyżej niedoskonałości i wady [3]. Parametrem tym może być promień r koła błędów wyznaczenia położenia poszczególnych punktów sieci, liczony z zależności ( [ Q ii ]) r = det (1) gdzie Q ii jest macierzą wariancyjno-kowariancyjną o wymiarach 2 2 dla współrzędnych i- tego punktu sieci. Można wykazać, że parametr r nie zależy od zmiany układu współrzędnych, a w interpretacji geometrycznej jest to promień koła o powierzchni równej polu elipsy błędu wyznaczenia położenia punktu w sieci. 1/ 4 Rys. 1

3 Zależności geometryczne pomiędzy dotychczasowymi parametrami jednopunktowej charakterystyki sieci i proponowanym parametrem r pokazano graficznie na rysunku 1. Na rysunkach 2 i 3 przedstawiono graficzną ilustrację wyników analiz dokładności wybranych konstrukcji sieci za pomocą elips i kół błędów, przy określonych kryteriach dokładnościowych pomiaru elementów wyznaczających. Z zależności przedstawionych na rysunku 1 wynika, że mx + my = mp = A + B (2) Na podstawie rys.1 widać też, że w okręgu o promieniu m p mieści się zawsze elipsa błędu. Nie pozwala on jednak określić ekstremalnych kierunków występowania błędu, zaś różnica pola powierzchni tego koła i pola powierzchni elipsy może być dość znaczna, w zależności od stosunku długości półosi elipsy. Rys. 2 Analiza dokładności sieci typu T/3/3/1 za pomocą elips i kół błędów Rys. 3 Analiza dokładności sieci typu K/3/3/6 za pomocą elips i kół błędów

4 Promień koła błędu nie pozwala również określić ekstremalnych kierunków ich występowania, ale wyznacza obszar którego pole powierzchni jest zawsze równe polu powierzchni elipsy błędu. Z tego względu parametr r może być stosowany do oceny dokładności osnów zważywszy, że przy ocenie tej bierzemy pod uwagę stopień prawdopodobieństwa z jakim wyznaczany punkt znajdzie się w tym kole. Wymienione powyżej parametry jedno i wielopunktowej charakterystyki dokładności sieci geodezyjnych mają charakter lokalny. Odnoszą się bowiem do pojedynczych punktów lub małych zespołów stanowiących najczęściej fragment sieci. W rozważaniach teoretycznych o charakterze eksperymentalnym, najlepiej jest posługiwać się parametrem który mieć będzie charakter globalny, niezależny od orientacji sieci. Charakter taki posiada promień hiperkuli błędów liczony z zależności ( { }) R = det cov( X) 1 4 (3) gdzie n oznacza liczbę wyznaczanych punktów w sieci dla których jest określona macierz wariancyjno-kowariancyjna cov( X). Z wyznaczeniem tego parametru łączą się jednak pewne problemy numeryczne, zaś jego interpretacja wymaga pewnych wyjaśnień. Współrzędne punktów osnowy wyznacza się w przestrzeni dwuwymiarowej na podstawie wyników pomiarów kątowo-długościowych. Układ równań obserwacyjnych, sprowadzony do postaci liniowej, ma postać: Ax + ε = w (4) gdzie A - macierz współczynników układu równań obserwacyjnych, x - wektor niewiadomych (przyrostów do przybliżonych współrzędnych punktów), w - wektor wyrazów wolnych określony na podstawie obserwacji, ε - wektor losowy o wartości oczekiwanej E( ε ) = 0 i macierzy kowariancji Cov( w). Estymację punktową, prowadzącą do znalezienia nieobciążonego estymatora x wektora niewiadomych, przeprowadza się metodą najmniejszych kwadratów, realizując warunek T T F = ε P ε = ( w Ax) P ( w Ax) minimum (5) przy czym P = Cov( w) jest macierzą współczynników wagowych w sensie Markowa dla wielkości obserwowanych. Spełnienie warunku (5) prowadzi do wzoru na estymator wektora niewiadomych T 1 T x = ( A PA) A P w (6) oraz macierz wariancyjno-kowariancyjną tego estymatora: Cov( x ) = E (( x - x)( x - x) ) ( A = σ 2 1 PA) (7) Nieobciążony estymator wariancji σ 2 określa się z zależności σ 2 = 2 T w Ax ε P ε = n u n u (8) gdzie (n-u) - liczba spostrzeżeń nadliczbowych. Dla oceny dokładności osnowy geodezyjnej wyznacza się, na podstawie macierzy (7), najczęściej średnie błędy współrzędnych i średnie błędy położenia punktów. Niekiedy, określa się dokładność położenia wyznaczanych punktów sieci za pomocą elips stałej gęstości prawdopodobieństwa oraz elips określających dokładność względnego wyznaczenia dwóch czy trzech punktów. Dokładność całej sieci można wyrazić za pomocą półosi hiperelipsoidy lub promienia hiperkuli błędu. Parametry te mają charakter niezmienniczy i opisują moc konstrukcji całej sieci za pomocą jednej wartości. / n

5 Należy zauważyć, że wartości uzyskiwane na podstawie rozwiązania układu (5) są obarczone pewnym błędem, wynikającym z tytułu nieprecyzyjnego oszacowania błędów pomiarowych oraz z tytułu obliczeń numerycznych. Błędy te wpływają zarówno na estymowany wektor niewiadomych, jak i na ocenę dokładności wyznaczanych parametrów. Błędy numeryczne nie powinny przekraczać błędów wynikających z niezbyt dokładnego oszacowania błędów pomiaru. Przy obecnej technice komputerowej można spełnić powyższe wymagania, stosując odpowiednie, stabilne algorytmy obliczeniowe. Pewne problemy natury technicznej pojawiają się jednak podczas przekształcania macierzy wariancyjnokowariancyjnej w celu wyznaczenia dodatkowych parametrów charakteryzujących dokładność osnowy geodezyjnej, takich jak półosie hiperelipsoidy błędów czy promień hiperkuli błędów. Na podstawie rozważań teoretycznych popartych licznymi eksperymentami można stwierdzić, że problemy te są tym większe, im lepsza jest dokładność sieci geodezyjnej. W metodach numerycznych znane jest pojęcie uwarunkowania zadania, którym określa się wrażliwość poszukiwanego rozwiązania na zmiany parametrów. Pojęcie to wykorzystamy w celu określania własności różnych typów projektowanych sieci geodezyjnych. Dla oceny wpływu zaburzeń danych na zaburzenia rozwiązania układu można zastosować różne wskaźniki uwarunkowania [6], [8], [9]. W przypadku analizy macierzy kwadratowych można skorzystać ze wskaźników Turing'a M( A) i N( A ), Von Neuman'a-Goldstin'ea P( A ) czy na przykład z wyznacznika ze znormalizowanego układu równań W( A ). W niniejszej pracy stosuje się parametry: gdzie A = ( a ij ) - jest macierzą n n oraz A 1 = ( α ij ) - jest odwrotnością macierzy A 1 2. M( A ) = n max a max α (9) i j N( A) = n A A ij i j 1 1 przy czym A = 2 a ij ij Pomiędzy powyższymi wskaźnikami zachodzą relacje: M( A) N( A) M( A) ( dla n 10) (11) 2 n T Jeżeli powyższe parametry określimy dla macierzy A PA, wówczas dają nam one pogląd na zagadnienie uwarunkowania tej macierzy w sensie wyznaczenia jej odwrotności, a zatem w sensie oceny dokładności estymowanych parametrów. Z tego względu, wskaźniki uwarunkowania umieszczono w dalszej części pracy obok innych parametrów charakteryzujących moc sieci. Można wykazać, że dla dobrze uwarunkowanej macierzy, odpowiednie wskaźniki powinny być rzędu: M( A) = n log n N( A) = n Z powyższych zależności wynika, że dobre uwarunkowanie macierzy A jest pojęciem względnym, zależnym od stopnia n macierzy A. Ponieważ zależy nam na możliwości porównywania tych parametrów dla sieci o różnej liczbie punktów, autor [5] proponuje wprowadzić modyfikację zależności (12) w następujący sposób: ij (10) (12)

6 1 M( A) M ( A) = n log n (13) 1 N( A) N ( A) = n Dzięki temu zabiegowi, dobrze uwarunkowane macierze powinny mieć wskaźniki M 1 ( A) i N 1 ( A ) równe jedności. Problemy numeryczne sprawić może wyznaczenie wartości własnych i wyznacznika macierzy wariancyjno-kowariancyjnej. Przykładowo, dla sieci K/3/3/0.1/20/10 wyznacznik ten wynosi około 1.6E-892, zaś dla sieci K/3/3/0.1/10/5 - około 2.5E Na podstawie tych tylko przykładów można stwierdzić, że obliczenia muszą być prowadzone z bardo wysoką precyzją. W niniejszej pracy wykorzystano program [5] napisany w języku Borland Pascal. Aby zrealizować omawiane zadanie konieczne było zastosowanie typu Extended, co oznacza prowadzenie obliczeń na miejscach znaczących i możliwość przyjmowania przez zmienne wartości w zakresie od 3.4E-4932 do 1.1E4932. W przypadku zastosowania typu rzeczywistego Real, zmienne mogą przyjmować wartości z zakresu od 2.9E-39 do1.7e38, a na przykład zmienne typu Double - wartości od 5.0E-324 do 1.7E308. Na rysunkach 4 i 6 przedstawiono graficzną prezentację rozkładu wartości własnych dla sieci modelowej typu K/3/3/0.1, przy różnych projektowanych błędach pomiaru kątów i długości. Na rysunkach 5 i 7 zamieszczono dla tych konstrukcji rozkład półosi hiperelipsoidy błędów. Wartość własna 0,0080 0,0070 0,0060 0,0050 0,0040 0,0030 0,0020 0,0010 0,0000 Kolejne wartości własne zestawione od największej do najmniejszej Rys.4 Rozkład wartości własnych dla sieci typu K/3/3/0.1/20/10 Długość półosi w 9,00 8,00 7,00 6,00 5,00 4,00 3,00 2,00 1,00 0,00 Kolejne półosie zestawione od największej do najmniejszej Rys. 5 Rozkład półosi hiperelipsoidy dla sieci typu K/3/3/01/20/10

7 0,0020 Wartość własna 0,0015 0,0010 0,0005 0,0000 Kolejne wartości własne zestawione od największej do najmniejszej Rys.6 Rozkład wartości własnych dla sieci typu K/3/3/0.1/10/5 Długość półosi w 5,00 4,00 3,00 2,00 1,00 0,00 Kolejne półosie zestawione od największej do najmniejszej Rys. 7 Rozkład półosi hiperelipsoidy dla sieci typu K/3/3/01/10/5 W tabeli 1 zamieszczono podstawowe charakterystyki liczbowe analizowanych powyżej konstrukcji. Tabela 1 Typ sieci Charakterystyki liczbowe konstrukcji typu K/3/3/0.1/20/10 i K/3/3/0.1/10/5 Wartość własna Półoś hiperelipsoidy R hiperkuli max min max/min max min śr. aryt. K/3/3/0.1/20/ E E K/3/3/0.1/10/5 1.95E E Uwarunkowanie macierzy kowariancji w przypadku obydwu sieci jest takie samo, gdyż sieć druga ma w stosunku do pierwszej macierz kowariancji dla obserwacji Cov( w 2 ) = 05. Cov( w1), a jak wiadomo, skalowanie macierzy nie wpływa na zmianę jej uwarunkowania. Wszystkie parametry opisujące dokładność sieci geodezyjnych wyznaczane są na określonym poziomie prawdopodobieństwa. Wiadomo, że wartości błędów średnich współrzędnych poszczególnych punktów wyznaczone są na poziomie około 0.68, natomiast elipsy błędów i koła błędów wyznaczone są z prawdopodobieństwem P=0.39. W przypadku hiperelipsoidy ufności i hiperkuli błędów poziom prawdopodobieństwa uzależniony jest od liczby wyznaczanych punktów, a ściślej od stopnia macierzy wariancyjno-kowariancyjnej. Można wykazać (por. tabela 2), że prawdopodobieństwo to wraz ze wzrostem liczby niewiadomych maleje do zera. Tabela 2 Zależność poziomu prawdopodobieństwa od liczby stopni swobody Liczba stopni swobody Poziom prawdopodobieństwa <<0.001

8 Na podstawie powyższego stwierdza się, że globalne parametry oceny dokładności sieci geodezyjnych można porównywać tylko w przypadku jednakowej liczby punktów. Aby wykorzystać jednopunktowe charakterystyki sieci w celu porównywania różnych konstrukcji, proponuje się sprowadzenie tychże parametrów do jednej przestrzeni probablistycznej, wykorzystując do tego celu estymację przedziałową. Niektóre wyniki przeprowadzonych obliczeń i analiz rozpatrywanych sieci przedstawiono w tabelach 3 i 4. Wielkości proponowanych parametrów, promienia hiperkuli błędów oraz maksymalnych i minimalnych promieni kół błędów wyznaczonych na określonym poziomie prawdopodobieństwa, nie są dotychczas przyjmowane jako kryterium oceny dokładności realizowanych osnów. Do oceny tej używa się powszechnie wartości średnich błędów położenia punktów. Stąd obecnie, parametry R, rmax i rmin mogą być używane wprost tylko do oceny względnej dokładności sieci porównywanych ze sobą. Mogą też być parametrem oceny bezwzględnej dokładności analizownych osnów, po ustaleniu empirycznie współczynnika korelacji tych wielkości z wartościami m p, a szczególnie m p max, określonego dla danego typu osnowy w obowiązujących instrukcjach. Tabela 3 Wyniki badań modelowych sieci typu K/3 oraz T/3 Typ sieci m α [ " ] m [ mm d ] Liczba wyzn. punktów N 1 T ( A PA) M 1 T ( A PA) R hiperkuli r max r min R hiperkuli r max K/3/3/ K/3/3/ K/3/3/ K/3/3/ T/3/3/ T/3/3/ T/3/3/ T/3/3/ K/3/6/ K/3/6/ K/3/6/ K/3/6/ T/3/6/ T/3/6/ T/3/6/ T/3/6/ K/3/9/ K/3/9/ K/3/9/ K/3/9/ T/3/9/ T/3/9/ T/3/9/ T/3/9/ r min Z danych zawartych w tabelach 3 i 4 wynika jednoznacznie, że dokładność analizowanych sieci jest odwrotnie proporcjonalna do wielkości parametru R wyznaczonego na poziomie ufności równym Z porównania wartości tego parametru z wielkościami maksymalnych błędów m p max w analizowanych sieciach wynika, że przy zastosowaniu konstrukcji

9 zbliżonych do rozpatrywanych, wielkość maksymalnego błędu położenia punktu nie przekroczy zasadniczo 25% wartości R. Tabela 4 Wyniki badań modelowych sieci typu K/5 oraz T/7 Typ sieci m α [ " ] m [ mm d ] Liczba wyzn. punktów 1 ( ) T N ( A PA) M T A PA hiperkuli R r max r min R hiperkuli r max K/5/3/ K/5/3/ K/5/3/ K/5/3/ T/7/3/ T/7/3/ T/7/3/ T/7/3/ K/5/6/ K/5/6/ K/5/6/ K/5/6/ T/7/6/ T/7/6/ T/7/6/ T/7/6/ K/5/9/ K/5/9/ K/5/9/ K/5/9/ T/7/9/ T/7/9/ T/7/9/ T/7/9/ r min Literatura [1] Czaja J.: Nowa propozycja oceny mocy konstrukcji geodezyjnych. Prace Komisji Górniczo-Geodezyjnej PAN, Oddział w Krakowie, z. Geodezja nr 28, Kraków 1980 [2] Grafarend E. : Schätzung von Varianz und Kowarianz der Beobachtungen in geodätischen Ausgleichungsmodellen. Allgemeine Vermessung-Nachrichten. Karlsruhe 1978 [3] Latoś S.: Propozycja nowej charakterystyki dokładności sieci geodezyjnych, Geodezja, AGH, Kraków 1997 [4] Latoś S., Preweda E.: Analiza dokładności poziomych osnów geodezyjnych zakładanych metodą poligonową z wykorzystaniem tachimetrów elektronicznych. Geodezja, 3, AGH, Kraków, [5] Preweda E.: Ocena dokładności wyznaczenie przestrzennego położenia punktów metodą biegunową. Geodezja, 3, AGH, Kraków, [6] Preweda E.: System pomiaru, obliczeń i wizualizacji zmian geometrycznych obiektów powłokowych o powierzchni stopnia drugiego. Rozprawa doktorska, AGH, Kraków, 1994 [7] Rao. C. R. : Modele liniowe statystyki matematycznej. PWN, Warszawa [8] Schwarz H.R., Rutishauser H., Stiefel E. : Numerical Analysis of Symmetric Matrices. Prentice-Hall, Inc.Englewood Cliffs, New Jersy [9] Wilkinson J.H. : The Algebraic Eigenvalue Problem. Clerendon Press. Oxford 1965.

10 Stanisław Latoś Edward Preweda Katedra Informacji o Terenie Wydział Geodezji Górniczej i Inżynierii Środowiska AGH Kraków Streszczenie Geometryczna interpretacja i własności jednopunktowej oraz globalnej charakterystyki dokładności poziomych sieci geodezyjnych W pracy przeprowadzono rozważania dotyczące parametrów oceny dokładności poziomych osnów geodezyjnych, stosowanych na etapie projektowania konstrukcji oraz po wykonaniu pomiarów istniejących sieci. Przedstawiono zalety i wady stosowanych powszechnie jedno i kilku punktowych parametrów dokładnościowych oraz nowych parametrów, w postaci promienia koła i hiperkuli błędów. Szczególną uwagę zwrócono na problemy numeryczne pojawiające się podczas wyznaczania wielkości półosi hiperelipsoidy i promienia hiperkuli błędów oraz na potrzebę estymacji przedziałowej wyznaczanych parametrów. W załączonych tabelach przedstawiono wyniki badań modelowych.

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Liczby zmiennoprzecinkowe i błędy

Liczby zmiennoprzecinkowe i błędy i błędy Elementy metod numerycznych i błędy Kontakt pokój B3-10 tel.: 829 53 62 http://golinski.faculty.wmi.amu.edu.pl/ golinski@amu.edu.pl i błędy Plan wykładu 1 i błędy Plan wykładu 1 2 i błędy Plan

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11, środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

WYKŁAD 5 TEORIA ESTYMACJI II

WYKŁAD 5 TEORIA ESTYMACJI II WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak

Bardziej szczegółowo

Estymacja wektora stanu w prostym układzie elektroenergetycznym

Estymacja wektora stanu w prostym układzie elektroenergetycznym Zakład Sieci i Systemów Elektroenergetycznych LABORATORIUM INFORMATYCZNE SYSTEMY WSPOMAGANIA DYSPOZYTORÓW Estymacja wektora stanu w prostym układzie elektroenergetycznym Autorzy: dr inż. Zbigniew Zdun

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 7 i 8 1 / 9 EFEKTYWNOŚĆ ESTYMATORÓW, próba

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura

Bardziej szczegółowo

GEODEZJA TOM 5 ZESZYT :

GEODEZJA TOM 5 ZESZYT : GEODEZJA TOM 5 ZESZYT 1 1999 528.441.1:528.531 Stanisław Latoś *, Edward Preweda * USTALENIE KRYTERIÓW DOKŁADNOŚCIOWYCH WYZNACZANIA POŁOŻENIA PUNKTÓW POZIOMEJ OSNOWY POMIAROWEJ PRZY WYKORZYSTANIU TACHYMETRÓW

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

GPSz2 WYKŁAD 9 10 STANDARDY TECHNICZNE DOTYCZĄCE OSNÓW POMIAROWYCH ORAZ POMIARÓW SYTUACYJNO-WYSOKOŚCIOWYCH I ICH INTERPRETACJA

GPSz2 WYKŁAD 9 10 STANDARDY TECHNICZNE DOTYCZĄCE OSNÓW POMIAROWYCH ORAZ POMIARÓW SYTUACYJNO-WYSOKOŚCIOWYCH I ICH INTERPRETACJA GPSz2 WYKŁAD 9 10 STANDARDY TECHNICZNE DOTYCZĄCE OSNÓW POMIAROWYCH ORAZ POMIARÓW SYTUACYJNO-WYSOKOŚCIOWYCH I ICH INTERPRETACJA 1 STANDARDY DOTYCZACE POMIARÓW SYT. WYS. (W TYM OSNÓW POMIAROWYCH: SYTUACYJNYCH

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Rozkłady wielu zmiennych

Rozkłady wielu zmiennych Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo

Geodezja i Kartografia I stopień (I stopień / II stopień) akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)

Geodezja i Kartografia I stopień (I stopień / II stopień) akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Podstawy rachunku wyrównawczego i obliczeń Nazwa modułu geodezyjnych Fundamentals of adjustment

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

Geodezja i Kartografia I stopień (I stopień / II stopień) akademicki (ogólno akademicki /praktyczny) kierunkowy (podstawowy/ kierunkowy/ inny HES)

Geodezja i Kartografia I stopień (I stopień / II stopień) akademicki (ogólno akademicki /praktyczny) kierunkowy (podstawowy/ kierunkowy/ inny HES) KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2015/2016 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW Podstawy rachunku wyrównawczego

Bardziej szczegółowo

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę

Bardziej szczegółowo

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Reprezentacja

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji

Bardziej szczegółowo

Józef Beluch Ocena dokładności w transformacji współrzędnych sposobem Helmerta. Acta Scientifica Academiae Ostroviensis nr 27, 17-25

Józef Beluch Ocena dokładności w transformacji współrzędnych sposobem Helmerta. Acta Scientifica Academiae Ostroviensis nr 27, 17-25 Józef Beluch Ocena dokładności w transformacji współrzędnych sposobem Helmerta Acta Scientifica Academiae Ostroviensis nr 27, 17-25 2007 Ocena Dokładności W Transformacji Współrzędnych Sposobem Helmerta

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Filtr Kalmana. Struktury i Algorytmy Sterowania Wykład 1-2. prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz

Filtr Kalmana. Struktury i Algorytmy Sterowania Wykład 1-2. prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz Filtr Kalmana Struktury i Algorytmy Sterowania Wykład 1-2 prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz Politechnika Gdańska, Wydział Elektortechniki i Automatyki 2013-10-09, Gdańsk Założenia

Bardziej szczegółowo

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia I stopnia rok akademicki 2012/2013 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Pojęcie

Bardziej szczegółowo

Estymacja parametrów, przedziały ufności etc

Estymacja parametrów, przedziały ufności etc Estymacja parametrów, przedziały ufności etc Liniowa MNK przypomnienie Wariancja parametrów Postulat Bayesa: rozkłady p-stwa dla parametrów Przypadek nieliniowy Przedziały ufności Rozkłady chi-kwadrat,

Bardziej szczegółowo

Pomiarowa baza badawcza na terenie PWSTE Measurement research base at the Higher School of Technology and Economics in Jarosław (PWSTE)

Pomiarowa baza badawcza na terenie PWSTE Measurement research base at the Higher School of Technology and Economics in Jarosław (PWSTE) Konferencja naukowa Jarosław 09.03.2017 r. Współczesne metody gromadzenia i przetwarzania danych geodezyjnych i gospodarczych Pomiarowa baza badawcza na terenie PWSTE Measurement research base at the Higher

Bardziej szczegółowo

Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Elementy statystyki wielowymiarowej

Elementy statystyki wielowymiarowej Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych

Bardziej szczegółowo

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +

Bardziej szczegółowo

Rys Szkic sieci kątowo-liniowej. Nr X [m] Y [m]

Rys Szkic sieci kątowo-liniowej. Nr X [m] Y [m] 5.14. Ścisłe wyrównanie sieci kątowo-liniowej z wykorzystaniem programu komputerowego B. Przykłady W prezentowanym przykładzie należy wyznaczyć współrzędne płaskie trzech punktów (1201, 1202 i 1203) sieci

Bardziej szczegółowo

PROGRAM PRZEGLĄDARKA DO WIZUALIZACJI WYNIKÓW WYRÓWNANIA PO- ZIOMYCH OSNÓW KOPALNIANYCH.

PROGRAM PRZEGLĄDARKA DO WIZUALIZACJI WYNIKÓW WYRÓWNANIA PO- ZIOMYCH OSNÓW KOPALNIANYCH. B. Cisło, W. Gruszczyński PROGRAM PRZEGLĄDARKA DO WIZUALIZACJI WYNIKÓW WYRÓWNANIA PO- ZIOMYCH OSNÓW KOPALNIANYCH. Jednym z podstawowych zadań działu mierniczego każdego zakładu górniczego jest sporządzanie

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

WYKŁAD 8 ANALIZA REGRESJI

WYKŁAD 8 ANALIZA REGRESJI WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

Układy równań liniowych. Krzysztof Patan

Układy równań liniowych. Krzysztof Patan Układy równań liniowych Krzysztof Patan Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zadań redukuje się do problemu rozwiązania układu równań liniowych, często o bardzo dużych

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, 诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów

Bardziej szczegółowo

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

Bardziej szczegółowo

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)

Bardziej szczegółowo

Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej

Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej Marcin Szega Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej (Monografia habilitacyjna nr 193. Wydawnictwo Politechniki

Bardziej szczegółowo

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007 Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja

Bardziej szczegółowo

Spis treści Wstęp Estymacja Testowanie. Efekty losowe. Bogumiła Koprowska, Elżbieta Kukla

Spis treści Wstęp Estymacja Testowanie. Efekty losowe. Bogumiła Koprowska, Elżbieta Kukla Bogumiła Koprowska Elżbieta Kukla 1 Wstęp Czym są efekty losowe? Przykłady Model mieszany 2 Estymacja Jednokierunkowa klasyfikacja (ANOVA) Metoda największej wiarogodności (ML) Metoda największej wiarogodności

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R

Bardziej szczegółowo

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. LABORATORIUM 4 1. Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz. I) WNIOSKOWANIE STATYSTYCZNE (STATISTICAL INFERENCE) Populacja

Bardziej szczegółowo

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11; środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.

Bardziej szczegółowo

Analiza niepewności pomiarów

Analiza niepewności pomiarów Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym

Bardziej szczegółowo

Źródła pozyskiwania danych grawimetrycznych do redukcji obserwacji geodezyjnych Tomasz Olszak Małgorzata Jackiewicz Stanisław Margański

Źródła pozyskiwania danych grawimetrycznych do redukcji obserwacji geodezyjnych Tomasz Olszak Małgorzata Jackiewicz Stanisław Margański Źródła pozyskiwania danych grawimetrycznych do redukcji obserwacji geodezyjnych Tomasz Olszak Małgorzata Jackiewicz Stanisław Margański Wydział Geodezji i Kartografii Politechniki Warszawskiej Motywacja

Bardziej szczegółowo

Wyrównanie ciągu poligonowego dwustronnie nawiązanego metodą przybliżoną.

Wyrównanie ciągu poligonowego dwustronnie nawiązanego metodą przybliżoną. Wyrównanie ciągu poligonowego dwustronnie nawiązanego metodą przybliżoną. Uwagi wstępne należy przeczytać przed przystąpieniem do obliczeń W pierwszej kolejności należy wpisać do dostarczonego formularza

Bardziej szczegółowo

Wstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie. P. F. Góra

Wstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie. P. F. Góra Wstęp do metod numerycznych Zagadnienia wstępne Uwarunkowanie P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2014 Sposoby reprezentacji liczb całkowitych i rzeczywistych patrz wykład z Teoretycznych Podstaw

Bardziej szczegółowo

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas: ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer

Bardziej szczegółowo

Uwagi do badań stałości punktów odniesienia w wysokościowych sieciach obserwacyjnych na obszarach górniczych

Uwagi do badań stałości punktów odniesienia w wysokościowych sieciach obserwacyjnych na obszarach górniczych Aktualne problemy naukowe i techniczne prac geodezyjnych. VIII Sesja Naukowo-Techniczna, Olsztyn 1995, s. 35-46 Uwagi do badań stałości punktów odniesienia w wysokościowych sieciach obserwacyjnych na obszarach

Bardziej szczegółowo

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych

Bardziej szczegółowo

STRESZCZENIA Testowanie przydatności technologii wydruku przestrzennego do zastosowań inżynier skich (do prezentacji obiektów topograficznych)

STRESZCZENIA Testowanie przydatności technologii wydruku przestrzennego do zastosowań inżynier skich (do prezentacji obiektów topograficznych) STRESZCZENIA 10 Krzysztof Chmielnicki, Konrad Eckes: Testowanie przydatności technologii wydruku przestrzennego do zastosowań inżynierskich (do prezentacji obiektów topograficznych) Geomatics and Environmental

Bardziej szczegółowo

LABORATORIUM 6 ESTYMACJA cz. 2

LABORATORIUM 6 ESTYMACJA cz. 2 LABORATORIUM 6 ESTYMACJA cz. 2 TEORIA ESTYMACJI I 1. ODRZUCANIE WYNIKÓW WĄTPLIWYCH PRÓBA P (m) (m-elementowa) Obliczenie: ; s bez wyników wątpliwych Odrzucenie wyników z poza przedziału: 3s PRÓBA LOSOWA

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji

Bardziej szczegółowo

WYKŁAD 9 METODY ZMIENNEJ METRYKI

WYKŁAD 9 METODY ZMIENNEJ METRYKI WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

Zawansowane modele wyborów dyskretnych

Zawansowane modele wyborów dyskretnych Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów

Bardziej szczegółowo

OPIS MODUŁ KSZTAŁCENIA (SYLABUS)

OPIS MODUŁ KSZTAŁCENIA (SYLABUS) OPIS MODUŁ KSZTAŁCENIA (SYLABUS) I. Informacje ogólne: 1 Nazwa modułu Metody opracowania obserwacji 2 Kod modułu 04-A-MOO-60-1L 3 Rodzaj modułu obowiązkowy 4 Kierunek studiów astronomia 5 Poziom studiów

Bardziej szczegółowo

SZCZEGÓŁOWE POZIOME OSNOWY GEODEZYJNE - PRZESZŁOŚĆ, STAN AKTUALNY I PRZYSZŁOŚĆ W ZAKRESIE ICH ZAKŁADANIA I FUNKCJONOWANIA

SZCZEGÓŁOWE POZIOME OSNOWY GEODEZYJNE - PRZESZŁOŚĆ, STAN AKTUALNY I PRZYSZŁOŚĆ W ZAKRESIE ICH ZAKŁADANIA I FUNKCJONOWANIA GEODEZJA TOM 9 ZESZYT 2/3 2003 Stanisław Latoś* SZCZEGÓŁOWE POZIOME OSNOWY GEODEZYJNE - PRZESZŁOŚĆ, STAN AKTUALNY I PRZYSZŁOŚĆ W ZAKRESIE ICH ZAKŁADANIA I FUNKCJONOWANIA 1. Słowo wstępne Osnowa, rozumiana

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów

Bardziej szczegółowo

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b].

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b]. Rachunek Prawdopodobienstwa MAEW104 Wydział Elektroniki, rok akad. 2008/09, sem. letni wykład: dr hab. Agnieszka Jurlewicz Temat projektu: Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego

Bardziej szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

KADD Minimalizacja funkcji

KADD Minimalizacja funkcji Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadanie. Niech (X, Y) ) będzie dwuwymiarową zmienną losową, o wartości oczekiwanej (μ, μ, wariancji każdej ze współrzędnych równej σ oraz kowariancji równej X Y ρσ. Staramy się obserwować niezależne realizacje

Bardziej szczegółowo

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka

Bardziej szczegółowo

Funkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska

Funkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w

Bardziej szczegółowo

Modele zapisane w przestrzeni stanów

Modele zapisane w przestrzeni stanów Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy

Bardziej szczegółowo

KLUCZ PUNKTOWANIA ODPOWIEDZI

KLUCZ PUNKTOWANIA ODPOWIEDZI Egzamin maturalny maj 009 MATEMATYKA POZIOM ROZSZERZONY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie. a) Wiadomości i rozumienie Matematyka poziom rozszerzony Wykorzystanie pojęcia wartości argumentu i wartości

Bardziej szczegółowo

Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego

Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego Rozdział 1 Statystyki Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego X = (X 1,..., X n ). Uwaga 1 Statystyka jako funkcja wektora zmiennych losowych jest zmienną losową

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Jak poprawnie napisać sprawozdanie z ćwiczeń laboratoryjnych z fizyki?

Jak poprawnie napisać sprawozdanie z ćwiczeń laboratoryjnych z fizyki? 1 Jak poprawnie napisać sprawozdanie z ćwiczeń laboratoryjnych z fizyki? Sprawozdania należny oddać na kolejnych zajęciach laboratoryjnych. Każde opóźnienie powoduje obniżenie oceny za sprawozdanie o 0,

Bardziej szczegółowo

INTERPOLACJA I APROKSYMACJA FUNKCJI

INTERPOLACJA I APROKSYMACJA FUNKCJI Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega

Bardziej szczegółowo

Metoda elementów skończonych

Metoda elementów skończonych Metoda elementów skończonych Wraz z rozwojem elektronicznych maszyn obliczeniowych jakimi są komputery zaczęły pojawiać się różne numeryczne metody do obliczeń wytrzymałości różnych konstrukcji. Jedną

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K

Bardziej szczegółowo

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo